不同的行业对于焊接缝隙有各自特殊的要求，如高速列车的侧面墙壁、电动汽车的电池包、运载火箭的燃料罐等。搅拌摩擦焊接技术自出现以来一直是一种具有创新意义的连接技术。为了监控焊接缝隙的质量，以减少后续审查的时间和成本，库卡正在奥格斯堡与合作伙伴共同开发一个基于人工智能的监控系统。

DR. Thomas Schlech解释说：“搅拌摩擦焊接技术是一个相对比较新的连接技术，这项技术非常节能，可以确保高强度焊接，并且能焊接一些难以焊接的材料。”该项目的负责人来自奥格斯堡大学的Thomas Schlech博士说，他在人工智能生产网络团队负责研究“学习制造流程”。然而，该流程在物理上非常复杂，尤其是在优化焊接速度时制造工艺出现异常或者产品出现缺陷等情况很难避免。Schlech说：“当需要连接的部件的形状或者材质出现差异，或者是不良的生产控制都可能造成连接处出现缺陷。因此大多数公司通常反复通过多种复杂的流程，有时甚至是人工流程，来检查焊接的缝隙。”这种做法通常需要付出很高的成本和时间。奥格斯堡人工智能生产网络的专家迫切希望能找到一种可靠的、可以通过网络实时监控制造流程的方法。

传感器数据可深入了解制造流程

专家们通过多个不同类型的传感器记录下焊接时产生的压力、温度、振动频率等来获取关于焊接的信息，从而监控整个焊接的流程。监控的重点是获取并且分析那些搅拌摩擦焊接（FSW）过程中产生的超声波范围内的信号。

研究该项目的机械工程教学和研究部门的负责人Dr. Markus Sause教授解释道：“这个项目可以帮助我们填补研究空白，目前还没有任何一个系统能使FSW单独检测和区分那些微小的误差和偏差，从而评估该误差在应用中的严重程度。该项目的优点也非常明显，为后续检查节省了时间和成本，所得数据也可以用于优化流程。“

从复杂数据到流程信息

在多个工业合作伙伴和奥格斯堡大学的人工智能生产网络的系统中，将产生大量复杂的传感器数据。在分析和解释这些数据时，人工智能的加入发挥了重要作用。研究人员通过评估这些数据从而将其分配给焊接过程中的各个流程。传感器数据中呈现的某些特定的规律，代表着某些缝隙没有被正确焊接上。Schlech说：“就像一位老师一样，我们通过我们的数据来向系统传授某些特定信号组合含义。随后，监控系统会学习那些传感器信号与焊接缝隙的偏差之间的关系。当这个学习过程完成后，整个系统都将具备通过传感器数据来判断焊接缝隙质量的能力。每当系统在加工过程中收到来自传感器的信号时，它就能立即发现、定位焊接缺陷，并给其分类。这样，检测员只需检查这些关键点而非整个焊接流程。”

“该项目符合我们想要通过人工智能网络实现的目标。我们的人工智能研究可以应用于提升某些地区企业的工业水平。同时，我们与合作伙伴探索了一个有趣尽管超出项目范围的研究领域。”Sause说。

库卡将供应搅拌摩擦焊接的单元

为了直接在现场实现使用人工智能为基础的搅拌摩擦焊接（简称：AI4FSW），一台新的cell4_FSW中型机器人被集成到了人工智能的生产网络中。库卡德国AWS投资经理Till Maier 说：“我们紧密的合作加速了搅拌摩擦焊接单元的安装和使用，从而提前测试机器人对于传感器的选择。这样做大幅降低了项目后期的风险，也缩短了额外的开发周期。”

该项目已获得德国巴伐利亚州经济、地区发展和能源部的批准，是巴伐利亚数字化（VDI/VDE-IT）资助项目的一部分。

 (文章来源于互联网，如有侵权请联系删除）